Después de hacer estos cursos, me siento seguro creando visualizaciones y cuadros de mando profesionales
Shoebur RahmanEspecialista en adquisiciones, Giz Bangladesh
Descripción del curso
En este curso, aprenderás a modelar con datos. Los modelos intentan capturar la relación entre una variable de resultado de interés y una serie de variables explicativas/predictoras. Estos modelos pueden usarse con fines explicativos, p. ej., «¿Saber la edad del profesorado ayuda a explicar sus puntuaciones de evaluación docente?», y con fines predictivos, p. ej., «¿Qué tan bien podemos predecir el precio de una casa según su tamaño y estado?». Aprovecharás tus habilidades con tidyverse para construir e interpretar estos modelos. Este curso se centra en el uso de la regresión lineal, uno de los enfoques de modelado más utilizados y fáciles de entender. Este tipo de modelado y forma de pensar se emplea en una gran variedad de campos, como la estadística, la inferencia causal, el Machine Learning y la inteligencia artificial.
Requisitos previos
Programa de formación
Contenido del curso
1
Introducción al modelado
En este capítulo conocerás algo de teoría de base y terminología sobre modelado, en particular, el marco general de modelado, la diferencia entre modelar para explicar y modelar para predecir, y el problema de modelado. Además, empezarás a realizar tu primer análisis exploratorio de datos, un paso clave antes de cualquier modelado formal.
- Contexto sobre el modelado para la explicación50 XP
- Visualización exploratoria de age100 XP
- Resúmenes numéricos de age100 XP
- Contexto sobre la modelización para la predicción50 XP
- Visualización exploratoria del tamaño de las viviendas100 XP
- Transformación log10 del tamaño de la vivienda100 XP
- El problema de modelado para explicación50 XP
- EDA de la relación entre las puntuaciones de docencia y de "belleza"100 XP
- Correlación entre las puntuaciones de enseñanza y de "beauty"100 XP
- El problema de modelado para la predicción50 XP
- EDA de la relación entre el precio de la vivienda y waterfront100 XP
- Predecir el precio de la vivienda con waterfront100 XP
2
Modelado con regresión básica
Con el marco general de modelado ya en mente, en este capítulo veremos la regresión lineal básica, donde mantendrás las cosas sencillas y modelarás la variable de resultado y como función de una única variable explicativa/predictora x. Usaremos variables x tanto numéricas como categóricas. La variable de resultado de interés en este capítulo serán las puntuaciones de evaluación docente del personal instructor en la University of Texas, Austin.
3
Modelado con regresión múltiple
En el capítulo anterior, aprendiste sobre la regresión básica usando un único predictor numérico o categórico. Pero ¿por qué limitarte a una sola variable para fundamentar tus explicaciones/predicciones? Ahora ampliarás la regresión básica a la regresión múltiple, que permite incorporar más de una variable explicativa o predictora en tus modelos. Modelarás precios de vivienda usando un conjunto de datos de casas del área metropolitana de Seattle, WA.
4
Evaluación y selección de modelos
En los capítulos anteriores, ajustaste varios modelos para explicar o predecir una variable de resultado de interés. Sin embargo, ¿cómo sabemos qué modelos elegir? Las medidas de evaluación de modelos te permiten valorar qué tan bien un modelo explicativo «se ajusta» a un conjunto de datos o cuán preciso es un modelo predictivo. Con base en estas medidas, aprenderás criterios para determinar qué modelos son «mejores».
R
Modelado con datos en el Tidyverse
Curso
completado
